📈 economics

When AI personalisation becomes persuasive: the roles of trust and consumer response in digital advertising

Cette étude utilise un cadre multi-théorique et des données d'enquête pour démontrer que les dimensions de la personnalisation pilotées par l'IA améliorent la qualité perçue et l'intention d'achat par le biais de la persuasion, la confiance des consommateurs envers l'IA servant de condition limite critique qui amplifie ces effets.

Auteurs originaux : My Van Dang, Triet Minh Nguyen

Publié 2026-08-03

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : My Van Dang, Triet Minh Nguyen

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez l'internet comme un immense marché animé où des millions de personnes naviguent, font des achats et discutent. Dans ce bazar numérique, les entreprises veulent vous présenter l'article parfait au moment parfait. Pour ce faire, elles utilisent une sorte de magie spéciale appelée Intelligence Artificielle (IA). Considérez l'IA comme un bibliothécaire super intelligent et invisible qui observe ce que vous regardez, se souvient de ce que vous aimez, puis vous murmure des suggestions à l'oreille. Mais voici la partie délicate : quand ce bibliothécaire devient vraiment doué pour deviner ce que vous voulez, cela ne ressemble plus seulement à un « conseil utile », mais commence à ressembler à de la « persuasion » — une légère incitation qui vous donne envie d'acheter quelque chose.

C'est là que la confiance entre en jeu. Imaginez que vous marchez dans une forêt. Si vous faites confiance au guide qui vous mène, vous êtes heureux de suivre ses suggestions, même si le chemin est un peu mystérieux. Si vous ne lui faites pas confiance, vous pourriez vous arrêter et remettre en question chaque tournant. Cette étude explore précisément ce sentiment dans le monde numérique. Elle demande : lorsqu'une IA vous donne une recommandation parfaite, cela vous fait-il réellement acheter des choses ? Et la confiance que vous accordez à l'IA agit-elle comme un superchargeur qui rend cette recommandation encore plus puissante ? Les chercheurs essaient de comprendre comment ces incitations numériques invisibles se transforment en véritables paniers d'achat, et pourquoi croire en l'IA est si important.

Le vendeur invisible et l'interrupteur de la confiance

Alors, qu'ont réellement fait les chercheurs ? Ils ont observé 401 personnes qui avaient récemment vu des publicités personnalisées sur des applications comme Facebook, TikTok et Shopee. Ils voulaient voir comment cinq « ingrédients » spécifiques d'une bonne publicité par IA — la Pertinence (est-ce lié à ce que j'aime ?), l'Exactitude (est-ce correct ?), le Contrôle du consommateur (puis-je dire non ?), l'Opportunité (apparaît-elle au bon moment ?) et l'Adéquation contextuelle (est-ce cohérent avec l'endroit où je me trouve ?) — travaillent ensemble pour donner à une publicité une sensation de haute qualité.

Ils ont découvert que les cinq ingrédients comptent, mais que deux d'entre eux sont les plus déterminants : la Pertinence et l'Adéquation contextuelle. C'est comme un chef qui cuisine un repas ; vous avez besoin des bons ingrédients, mais si le repas est servi au mauvais moment ou dans un cadre inapproprié, il n'a tout simplement pas le même goût. Lorsque l'IA réussit ces points, les gens perçoivent la publicité comme étant de « haute qualité ».

Mais voici le véritable tour de magie découvert par l'article : les publicités de haute qualité ne font pas que vous faire du bien ; elles vous persuadent. L'étude a révélé que lorsqu'une publicité semble parfaitement adaptée, elle ne reste pas simplement là ; elle vous convainc activement. Et c'est ici que l'« Interrupteur de la Confiance » s'active.

Les chercheurs ont découvert que la confiance agit comme un bouton de volume pour la persuasion.

Faible confiance : Si vous ne faites pas confiance à l'IA, même une publicité très bonne et persuasive peut simplement vous rendre méfiant. Vous pourriez penser : « Ils essaient trop fort », et vous n'achèterez pas.
Haute confiance : Si vous faites confiance à l'IA, cette même publicité persuasive devient incroyablement puissante. L'étude a montré que la confiance renforce considérablement le lien entre être persuadé et réellement acheter le produit. C'est comme si la confiance donnait un mégaphone à la voix de l'IA. Lorsque vous faites confiance au système, vous êtes beaucoup plus susceptible d'écouter son murmure persuasif et de sortir votre portefeuille.

Ce que disent les chiffres

L'équipe a utilisé un outil mathique sophistiqué appelé Modélisation par équations structurelles à moindres carrés partiels (PLS-SEM) pour analyser les chiffres de leur enquête auprès de 401 personnes. Ils n'ont pas seulement deviné ; ils ont mesuré la force de ces relations.

Voici ce que les données ont révélé :

La Pertinence et l'Adéquation contextuelle étaient les moteurs les plus forts du sentiment qu'une publicité est de haute qualité.
La Qualité de la personnalisation perçue a eu un effet massif sur la Persuasion (un score de 0,763, ce qui est énorme dans ce type d'étude). Cela signifie que si la publicité semble sur mesure, vous êtes définitivement influencé.
La Persuasion a ensuite conduit à l'Intention d'achat.
Plus important encore, l'interaction entre la Confiance et la Persuasion a eu un effet très fort (0,399). Cela confirme que la confiance n'est pas seulement un bonus appréciable ; c'est un amplificateur critique. Sans confiance, le pouvoir de persuasion de l'IA est atténué. Avec la confiance, il s'envole.

L'étude a également révélé que la persuasion agit comme un intermédiaire. Il ne suffit pas qu'une bonne publicité vous fasse acheter ; il faut qu'une bonne publicité vous fasse vous sentir persuadé, et c'est ce sentiment qui vous pousse à acheter. La publicité doit d'abord passer par le « filtre de persuasion » de votre cerveau.

Ce que cela signifie (et ce que cela ne signifie pas)

L'article suggère que la publicité par IA évolue. Elle n'est plus seulement un outil de recherche d'informations ; elle devient un « mécanisme de communication persuasive ». Les auteurs prennent soin de préciser qu'ils n'ont pas mesuré directement la « manipulation » ou la « perte de liberté ». Ils n'ont pas prouvé que l'IA vole votre volonté. Ils ont plutôt constaté que lorsque l'IA est digne de confiance, elle devient très efficace pour guider vos choix.

Ils ont également écarté l'idée que la personnalisation fonctionne de la même manière pour tout le monde. Les résultats suggèrent que si vous ne faites pas confiance à l'IA, tout le système est moins efficace. Il ne s'agit pas seulement d'avoir les bonnes données ; il s'agit d'avoir la bonne relation avec l'utilisateur.

Une conclusion pour un esprit curieux

Considérez cette étude comme une carte du plancher de vente numérique. Elle nous dit que les entreprises ne peuvent pas se contenter de posséder les meilleures données (exactitude) ou le meilleur timing (opportunité). Elles doivent construire la confiance. Si l'IA ressemble à un harceleur effrayant, la meilleure publicité du monde ne fonctionnera pas. Mais si l'IA ressemble à un ami utile et honnête, ses suggestions deviennent incroyablement puissantes.

Les chercheurs admettent que leur étude présente des limites. Ils ont étudié des personnes jeunes et technophiles dans un marché spécifique, nous ne savons donc pas si cela fonctionne exactement de la même manière pour les personnes plus âgées ou dans d'autres cultures. Ils ont également utilisé un sondage, ce qui signifie qu'ils ont demandé aux gens ce qu'ils feraient, plutôt que d'observer ce qu'ils font réellement dans un magasin. Mais les modèles qu'ils ont trouvés sont solides et clairs : dans le monde des publicités par IA, la confiance est la recette secrète qui transforme une bonne recommandation en un « oui, je le prends ».

Résumé Technique : Quand la personnalisation par l'IA devient persuasive

Énoncé du problème et lacune de la recherche
Bien que la littérature existante établisse que la personnalisation pilotée par l'IA améliore la pertinence et l'efficacité de la publicité, elle traite largement la personnalisation comme une capacité technique de ciblage plutôt que comme un moteur psychologique de persuasion. Les modèles actuels négligent souvent la « boîte noire » de la manière dont la qualité perçue de la personnalisation se traduit en influence persuasive et en réponses comportementales ultérieures. De plus, la compréhension des conditions limites sous lesquelles la persuasion médiée par l'IA réussit ou échoue est limitée, spécifiquement concernant le rôle de la confiance des consommateurs envers les systèmes algorithmiques opaques. Cette étude comble ces lacunes en examinant comment les dimensions de la personnalisation pilotée par l'IA façonnent la qualité de la personnalisation perçue, la persuasion et l'intention d'achat, et comment la confiance dans la publicité par l'IA modère ces relations.

Cadre théorique
L'étude intègre quatre prismes théoriques :

Modèle Stimulus–Organisme–Réponse (S–O–R) : Positionne les dimensions de la personnalisation par l'IA (pertinence, précision, contrôle, opportunité, adéquation contextuelle) comme des stimuli environnementaux qui influencent les états cognitifs internes (qualité perçue, persuasion) et les réponses comportementales (intention d'achat).
Modèle de l'Élaboration Probable (ELM) : Suggère qu'une personnalisation de haute qualité augmente l'élaboration cognitive, rendant les consommateurs plus réceptifs aux messages persuasifs via la voie centrale.
Théorie de la Confiance : Propose que la confiance réduit l'incertitude concernant les algorithmes opaques, agissant comme une condition limite qui renforce le lien entre la persuasion et l'intention comportementale.
Modèle de la Connaissance de la Persuasion (PKM) : Utilisé conceptuellement pour interpréter la manière dont les consommateurs naviguent dans le ciblage algorithmique, bien qu'il ne soit pas directement opérationnalisé comme un construit dans le modèle empirique.

Méthodologie

Design : Étude quantitative, conception transversale par enquête.
Échantillon : 401 réponses valides de consommateurs ayant une expérience préalable d'interaction avec des publicités personnalisées générées par l'IA sur des plateformes numériques et sociales (ex. : Facebook, TikTok, Shopee, Lazada). L'échantillon est principalement jeune (18–34 ans) et numériquement averti.
Mesures : Les construits ont été mesurés à l'aide d'échelles adaptées et validées issues de la littérature antérieure (ex. : Bleier & Eisenbeiss, 2015 ; Shin, 2021) sur une échelle de Likert en 5 points. Les variables clés incluent cinq dimensions de la personnalisation, la qualité de la personnalisation perçue (QPP), la persuasion, la confiance dans la publicité par l'IA et l'intention d'achat.
Analyse : Modélisation par équations structurelles de moindres carrés partiels (PLS-SEM) utilisant le logiciel SmartPLS. L'analyse comprenait l'évaluation du modèle de mesure (fiabilité, validité convergente et discriminante via HTMT) et du modèle structurel (coefficients de chemin, bootstrapping avec 5 000 rééchantillonnages, médiation et effets de modération).

Résultats Clés

Déterminants de la Qualité de la Personnalisation Perçue (QPP) : Les cinq dimensions de la personnalisation influencent significativement et positivement la QPP. La Pertinence ( $\beta=0,312$ ) et l'Adéquation Contextuelle ( $\beta=0,287$ ) sont apparues comme les prédicteurs les plus forts, suivies par l'Exactitude, le Contrôle du Consommateur et l'Opportunité.
Impact sur la Persuasion et l'Intention d'Achat :
- La QPP a un effet direct très fort sur la Persuasion ( $\beta=0,763$ ).
- La QPP a également un effet direct significatif sur l'Intention d'Achat ( $\beta=0,464$ ).
- La Persuasion influence significativement l'Intention d'Achat ( $\beta=0,233$ ).
Médiation : La persuasion médie partiellement la relation entre la Qualité de la Personnalisation Perçue et l'Intention d'Achat, confirmant que la qualité de la personnalisation doit être traitée cognitivement comme persuasive pour pleinement stimuler l'intention comportementale.
Modération par la Confiance : La confiance dans la publicité par l'IA modère significativement la relation entre la Persuasion et l'Intention d'Achat. L'effet d'interaction est fort ( $\beta=0,399$ ), indiquant que l'impact positif de la persuasion sur l'intention d'achat est considérablement amplifié lorsque les consommateurs font confiance au système d'IA.
Pouvoir Explicatif du Modèle : Le modèle explique 58,2 % de la variance de la Persuasion et 72,6 % de la variance de l'Intention d'Achat.

Contributions et Signification Clés
Les auteurs revendiquent trois contributions primaires à la littérature :

Reconceptualisation de la Personnalisation : L'étude déplace l'accent de la personnalisation en tant que simple capacité de recommandation technologique vers la Qualité de la Personnalisation Perçue en tant que processus d'évaluation multidimensionnel du consommateur qui active le traitement persuasif.
Mécanisme de Persuasion : Elle étend la littérature sur la persuasion en identifiant la persuasion comme un mécanisme de traduction psychologique central. Les résultats suggèrent que la personnalisation par l'IA fonctionne de plus en plus non seulement comme un support informationnel, mais comme une architecture de communication persuasive adaptative qui façonne les évaluations cognitives et les réponses comportementales.
Rôle de la Confiance comme Condition Limite : L'étude positionne la confiance non pas simplement comme un facilitateur de l'adoption technologique, mais comme un mécanisme de légitimation de l'influence algorithmique. Une confiance élevée amplifie l'efficacité des messages persuasifs, suggérant que les consommateurs sont plus disposés à accepter l'influence algorithmique opaque lorsqu'ils perçoivent le système comme crédible et fiable.

Limites et Directions Futures
Les auteurs notent explicitement plusieurs limites :

Étendue des Construits : L'étude ne mesure pas directement les construits négatifs tels que la perception de manipulation, la perte d'autonomie ou l'intrusivité ; ceux-ci sont discutés comme des implications conceptuelles plutôt que comme des résultats empiriques.
Généralisabilité de l'Échantillon : L'échantillon est composé d'utilisateurs jeunes et numériquement avertis dans un seul marché émergent, ce qui limite la généralisabilité à des démographies plus âgées ou à d'autres contextes culturels.
Design Transversal : L'étude ne peut établir de dynamique temporelle ou de causalité concernant la manière dont la confiance et la persuasion co-évoluent au fil du temps.
Données Auto-déclarées : Dépendance vis-à-vis des intentions déclarées plutôt que de données comportementales réelles (ex. : taux de clic ou journaux d'achats).

L'article conclut que si la personnalisation par l'IA stimule efficacement la persuasion et l'intention d'achat, son développement futur nécessite de l'équilibrer entre capacité persuasive et gouvernance éthique, transparence et maintien de la confiance des consommateurs afin d'atténuer les tensions potentielles concernant l'autonomie et la manipulation.

Le vendeur invisible et l'interrupteur de la confiance

Ce que disent les chiffres

Ce que cela signifie (et ce que cela ne signifie pas)

Une conclusion pour un esprit curieux

Articles similaires